54
alasan-alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted
di rekomendasikan pada tingkat 0,50.
4.3.5. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif.
Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Tabel 4.13. Normalitas Data
Variable min
max kurtosis
c.r.
X11 3 7
- 0,328 - 0,695
X12 3 7
- 0,206 - 0,437
X21 3 7
- 0,448 - 0,949
X22 3 7
- 0,099 - 0,211
X31 3 6
- 0,623 - 1,322
X32 3 7
- 0,045 - 0,095
Y11 3 7
- 0,755 - 1,602
Y12 2 7
- 0,257 - 0,546
Y21 3 7
- 0,782 - 1,660
Y22 4 7
- 0,685 - 1,453
Y31 3 7
- 0,444 - 0,942
Y32 3 7
0,431 0,914
M u lt iv a r ia t e - 0,471
- 0 ,1 3 4
Batas Normal ± 2,58
Sumber : Hasil Pengolahan Data Pada Lampiran 3
Hasil uji diatas menunjukkan bahwa nilai c.r multivariate berada
di antara ± 2,58 yaitu -0,134, berarti asumsi normalitas terpenuhi.
Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bender Chou 1987 bahwa jika teknik estimasi dalam model SEM
menggunakan Maxsimum Likelihood Estimation MLE walau distribusi
55
datanya tidak normal masih dapat menghasilkan good estimate, sehingga
data layak untuk digunakan dalam estimasi selanjutnya.
4.3.6. Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil],
maka terjadi multikolinieritas dan singularitas [Tabachnick Fidell,1998].
Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.01 diperoleh hasil Determinant of Sample Covariance Matrix
adalah 0 yaitu sebesar 5.742.691.902 mengindikasikan tidak terjadi
multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi.
4.3.7. Structural Equation Modeling SEM dan Pengujian Hipotesis 4.3.7.1. Evaluasi Model One-Step Approach to SEM
Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak
mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model
dan structural model yang diestimasi secara bersama-sama [One Step Approach to
SEM]. One step aprroach to SEM digunakan apabila model
56
diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik [Hair et.al.,1998]
Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dan
Tabel Goodness of Fit di bawah ini.
Gambar 4.1. Model Pengukuran Kausalitas One Step Approach
MODEL PENGUKURAN STRUKTURAL Marketing, Brand Equity
Model Specification : One Step Approach - Base Model
Distribution
1
Marketing d_dt
1 Advertising
0,005 d_ad
X31 er_5
1 1
1 X21
er_3 1
1
X32 er_6
1 Price
X11 er_1
1 1
d_pr 1
Brand Loyalty
d_bl Y11
er_7 1
1 1
X22 er_4
1 Brand
Recogniton d_br
Y21 er_9
1 1
1 X12
er_2 1
Y12 er_8
1
Y22 er_10
1 Quality
Image d_qi
Y31 er_11
Y32 er_12
1 1
1 1
Brand Equity
1 0,005
d_be 1
Sumber : Hasil Pengolahan Data Lampiran 3
Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices Base Model
Kriteria Hasil
Nilai Kritis
Evaluasi Model
Cm in DF 2,316
≤ 2,00
k ur ang baik Pr obabilit y
0,000 ≥
0,05 k ur ang baik
RMSEA 0,111
≤ 0,08
k ur ang baik GFI
0,775 ≥
0,90 k ur ang baik
AGFI 0,540
≥ 0,90
k ur ang baik TLI
0,690 ≥
0,95 k ur ang baik
CFI 0,770
≥ 0,94
k ur ang baik
Sumber : Hasil Pengolahan data
Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi
57
oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini.
Gambar 4.2. Model Pengukuran Kausalitas One Step Approach Modifikasi
MODEL PENGUKURAN STRUKTURAL Marketing, Brand Equity
Model Specification : One Step Approach - Modifikasi
Distribution
1
Marketing d_dt
1 Advertising
0,005 d_ad
X31 er_5
1 1
1 X21
er_3 1
1
X32 er_6
1 Price
X11 er_1
1 1
d_pr 1
Brand Loyalty
d_bl Y11
er_7 1
1 1
X22 er_4
1 Brand
Recogniton d_br
Y21 er_9
1 1
1 X12
er_2 1
Y12 er_8
1
Y22 er_10
1 Quality
Image d_qi
Y31 er_11
Y32 er_12
1 1
1 1
Brand Equity
1 0,005
d_be 1
Sumber : Hasil Pengolahan Data Lampiran 3
Tabel 4.15. Evaluasi Kriteria Goodness of Fit Indices Modifikasi
Kriteria Hasil
Nilai Kritis
Evaluasi Model
Cm in DF 1,211
≤ 2,00
baik Pr obabilit y
0,157 ≥
0,05 baik
RMSEA 0,044
≤ 0,08
baik GFI
0,926 ≥
0,90 baik
AGFI 0,900
≥ 0,90
baik TLI
0,950 ≥
0,95 baik
CFI 0,966
≥ 0,94
baik
Sumber : Hasil Pengolahan data Lampiran 3
Dari hasil evaluasi terhadap model one step model modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya
menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi
oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model
58
ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini.
4.3.7.2. Analisis Unidimensi First Order Tabel 4.16. Unidimensi First Order
Regression Weights
Ustd Estimate
Std Estimate
Prob.
X11 - - Price
1,000 0,914 0,000
X12 - - Price
0,457 0,419 0,046
X21 - - Dist r ibut ion
1,000 0,667 0,000
X22 - - Dist r ibut ion
0,825 0,596 0,000
X31 - - Adv er t ising
1,000 0,505 0,000
X32 - - Adv er t ising
1,221 0,624 0,000
Y11 - - Br and_Loy alt y
1,000 0,762 0,000
Y12 - - Br and_Loy alt y
0,847 0,704 0,000
Y21 - - Br and_Recognit on
1,000 0,539 0,000
Y22 - - Br and_Recognit on
1,437 0,864 0,011
Y31 - - Qualit y _I m age
1,000 0,545 0,000
Y32 - - Qualit y _I m age
1,417 0,829 0,145
X11 - - Price
1,000 0,914 0,000
X12 - - Price
0,457 0,419 0,046
X21 - - Dist r ibut ion
1,000 0,667 0,000
X22 - - Dist r ibut ion
0,825 0,596 0,000
Sumber : Hasil Pengolahan Data Lampiran 3
4.3.7.3. Analisis Unidimensi Second Order Tabel 4.17. Unidimensi Second Order Untuk Kegiatan Pemasaran
Regression Weights
Ustd Estimate
Std Estimate
Prob.
Dist r ibut ion - -
Mar ket ing 0,569 0,831
0,000 Adv er t ising
- - Mar ket ing
0,427 0,987 0,000
Price - -
Mar ket ing 0,395 0,501
0,000
Sumber : Hasil Pengolahan Data Lampiran 3
59
Tabel 4.18. Unidimensi Second Order Untuk Ekuitas Merek Regression Weights
Ustd Estimate
Std Estimate
Prob.
Br and_Loyalt y - -
Br and_Equit y 1,000 0,752
0,000 Br and_Recognit on
- - Br and_Equit y
0,419 0,505 0,027
Qualit y_I m age - -
Br and_Equit y - 0,204 - 0,276 0,190
Sumber : Hasil Pengolahan Data Lampiran 3
4.3.7.4. Uji Hipotesis Kausalitas
Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical
Ratio] atau p [probability] yang sama dengan nilai t
hitung
. Apabila t
hitung
lebih besar daripada t table berarti signifikan.
Tabel 4.19. Uji Hipotesis Kausalitas Antar Faktor Regression Weights
Ustd Estimate
Std Estimate
Prob. Faktor
Faktor
Br and_Equit y Mar ket ing
0,640 0,994 0,000
Batas Signifikansi
≤ 0,10
Sumber : Hasil Pengolahan Data Pada Lampiran 3
Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa :
Kegiatan Pemasaran berpengaruh positif terhadap Ekuitas Merek produk Kratingdaeng, dapat diterima. Hal tersebut dapat diketahui dari
nilai probabilitas kausalnya 0,000 ≤ 0,10 yang menunjukkan nilai
[signifikan [positif].
60
4.4. Pembahasan